Die Gemini Decisions API ist eine spezialisierte Bewertungs- und Routing-Schicht für KI-Agenten, die Wahrscheinlichkeiten für vordefinierte Optionen liefert, ohne eigenen Text zu generieren.
Google DeepMind hat die API und das zugrunde liegende Modell Gemini Decision 1 am 11. November 2026 offiziell vorgestellt.
Der Dienst ist über Google AI Studio verfügbar und kostet 0,10 US-Dollar pro 1 Million Input-Tokens, wobei keine Kosten für Output-Tokens anfallen.
Die gemini decisions api bietet Entwicklern und Automatisierern eine neue Möglichkeit, hochfrequente Entscheidungen in Agenten-Workflows mit minimaler Latenz zu treffen. Wie Google berichtet, lassen sich damit multimodale Eingaben wie Text, Bild und Video in einem einzigen Durchlauf gegen hunderte Regeln prüfen.
Gemini Decisions API ist eine von Google DeepMind entwickelte Programmierschnittstelle für die ai agent entwicklung, die auf geschlossene, probabilistische Entscheidungen spezialisiert ist. Im Gegensatz zu generativen Chatbots formuliert sie keine Antworten, sondern bewertet multimodale Eingaben anhand vordefinierter Kriterien. Sie richtet sich an Entwickler, SEO- und Automatisierungs-Teams, die eine schnelle, kostengünstige Routing-Schicht für komplexe Workflows, Content-Moderation oder Tool-Auswahl benötigen.
Gemini Decision 1: Google veröffentlicht neues Modell für Agenten-Routing
Am 11. November 2026 hat Google die Gemini Decisions API zusammen mit dem dedizierten Modell Gemini Decision 1 (gemini-decision-1) veröffentlicht. Laut der offiziellen Ankündigung liegt der Fokus auf extrem schnellen, präzise kalibrierten Entscheidungen. Das System berechnet Konfidenzwerte für bis zu 1.000 Fragen in einem einzigen Durchlauf. Google positioniert die API als Ergänzung zur Managed Agents API, um autonome Agenten mit einer schnellen Auswahl- und Prüfebene auszustatten.
Gemini Decisions API: Die wichtigsten Funktionen
Die API verarbeitet Eingaben nicht Token für Token im Output, sondern bewertet Optionen in einem sogenannten „Single Forward Pass“. Das ermöglicht eine hohe Geschwindigkeit bei großen Kontexten.
Funktion
Spezifikation laut Google
Multimodale Eingaben
Text, Bilder, Audio, Video und PDFs in einer gemeinsamen Anfrage.
Kontextgröße
Bis zu 262.144 Tokens (256K) pro Request.
Fragen-Batching
Bis zu 1.000 unabhängige Fragen gegen dieselbe Eingabe.
Entscheidungstypen
Ja/Nein (Wahrscheinlichkeit 0,01 bis 0,99), Single-Choice (2 bis 255 Optionen), Rubrikbewertung (2 bis 255 Stufen).
Latenz
150 bis 250 Millisekunden End-to-End.
Ist Gemini Decisions API in Deutschland verfügbar und was kostet es?
Die API ist seit dem 11. November 2026 über das Google AI Studio zugänglich. Die geprüften offiziellen Dokumentationen nennen keine spezifischen regionalen Einschränkungen für Deutschland oder die EU, ein Zugang ist somit regulär über die Plattform möglich.
Die Preisstruktur ist auf hohen Durchsatz ausgelegt: Google berechnet 0,10 US-Dollar pro 1 Million Input-Tokens. Da das Modell keinen Text generiert, fallen für Output-Tokens 0,00 US-Dollar an. Für Prototyping existiert ein kostenloser Tarif, der 200 Anfragen und 50.000 Tokens pro Minute sowie 10.000 Anfragen pro Tag erlaubt. Höhere Tarife (Tier 1 bis 3) bieten bis zu 15.000 Anfragen und 10 Millionen Tokens pro Minute.
Für die Integration in Python wird das Google-GenAI-SDK in Version 3.2 oder neuer benötigt, für JavaScript das aktuelle Paket @google/genai.
Was Marketing- und Automatisierungs-Teams mit Gemini Decisions API anfangen können
Für Automatisierer im DACH-Raum verändert die API den Aufbau von Workflows in Tools wie n8n oder Make. Statt ein generatives Modell für Klassifizierungen zu nutzen, fungiert die API als schnelles Gateway.
Lead-Qualifizierung und Triage: Ein Webhook empfängt CRM-Daten und die letzte Kunden-E-Mail. Die API prüft in einem Request: „Ist das B2B?“ (Ja/Nein), „Wie hoch ist die Kaufabsicht?“ (Rubrik 1-5) und „Welches Team ist zuständig?“ (Single-Choice). Basierend auf den Konfidenzwerten routet n8n den Lead an den Vertrieb oder in eine Nurture-Kampagne.
Skalierte SEO-Qualitätskontrolle: Content-Teams können einen Artikel gegen hunderte vordefinierte Marken- und SEO-Regeln prüfen. Die API liefert strukturierte Prüfwerte zurück. Für die anschließende Texterstellung wird dann ein klassisches LLM benötigt – eine Übersicht über die wichtigsten KI-Modelle hilft bei der Auswahl des passenden generativen Gegenstücks.
Brand-Safety bei Multimodalität: Ein hochgeladenes Bild oder Video für eine Werbekampagne wird zusammen mit dem Werbetext auf verbotene Claims oder Logo-Richtlinien geprüft. Durch die Batch-Verarbeitung kostet die Prüfung von 10 Millionen Input-Tokens laut Google nur etwa 1 US-Dollar.
Gemini Decisions API vs. Wettbewerber: Wo liegen die Unterschiede?
Die API konkurriert weniger mit klassischen Chatbots, sondern eher mit traditionellen Klassifikatoren und generativen Modellen, die durch Prompt-Engineering auf strukturierte Ausgaben gezwungen werden.
Kriterium
Gemini Decisions API
Generative LLMs (z. B. GPT-4o, Claude 3.5)
Regelbasierter Code (If/Else)
Ausgabe
Wahrscheinlichkeiten, Konfidenzwerte
Generierter Text, JSON
Deterministische Boolean-Werte
Latenz
150-250 Millisekunden
Abhängig von Output-Länge (oft > 1 Sekunde)
Nahezu 0 Millisekunden
Multimodalität
Ja (Text, Bild, Video, Audio, PDF)
Ja
Nein (nur strukturierte Daten)
Kosten
Sehr niedrig (nur Input-Tokens)
Mittel bis hoch (Input + Output)
Kostenlos (nur Compute)
Die Gemini Decisions API ist die beste Wahl, wenn unstrukturierte Daten extrem schnell kategorisiert werden müssen. Generative LLMs bleiben unverzichtbar, wenn Begründungen, Textentwürfe oder komplexe Recherchen gefordert sind. Regelbasierter Code ist weiterhin zwingend für exakte Compliance-Logik und rechtlich bindende Entscheidungen.
Grenzen und Kritik an Gemini Decisions API
Die strikte Limitierung auf vordefinierte Optionen ist die größte Grenze des Systems: Die API kann keine freien Begründungen liefern oder Handlungspläne entwerfen. > „Gemini Decision 1 scores options without token-by-token decoding“, wie Google im offiziellen Blogbeitrag erklärt. Zudem warnt die Dokumentation, dass YouTube-URLs und direkte Cloud-Storage-Eingaben derzeit nicht unterstützt werden.
Ein kritisches Produktionsrisiko ist die Verwechslung von Konfidenz und Korrektheit. Ein hoher Wahrscheinlichkeitswert der API ist kein Beweis für eine fehlerfreie Entscheidung. Kritische Freigaben erfordern weiterhin Schwellenwerte, Stichproben und „Human-in-the-loop“-Prozesse, da Google keine branchenspezifischen Genauigkeitsgarantien veröffentlicht hat. Unabhängige Benchmarks zur Kalibrierung fehlen zum aktuellen Zeitpunkt noch.
Einordnung: Lohnt sich Gemini Decisions API?
Die Gemini Decisions API lohnt sich für alle Teams, die KI-Agenten bauen und eine schnelle, kostengünstige Routing-Schicht benötigen. Wer in n8n oder Python komplexe Workflows mit vielen Verzweigungen auf Basis von Bildern, PDFs oder Texten steuert, findet hier ein hochgradig optimiertes Werkzeug. Für reine Textgenerierung, Recherche-Aufgaben oder Workflows, die ausführliche Begründungen erfordern, ist das Modell hingegen ungeeignet. Der nächste logische Schritt für Entwickler ist der Test der API im kostenlosen Kontingent des Google AI Studios, um die Konfidenzwerte für eigene Use Cases zu evaluieren.
Gemini Decisions API: Häufige Fragen
Gibt es eine OpenAI Decisions API oder Claude Decisions API?
Nein, Stand November 2026 bieten weder OpenAI noch Anthropic (Claude) eine dedizierte API an, die exakt nach diesem architektonischen Prinzip ohne Output-Tokens funktioniert. Entwickler nutzen bei diesen Anbietern stattdessen „Structured Outputs“ oder „Tool Calling“, um generative Modelle zu strukturierten Entscheidungen zu zwingen.
Wo finde ich die Decisions API Documentation?
Die offizielle Dokumentation für die API und das Gemini Decision Modell ist im Google AI Studio verfügbar. Dort finden Entwickler detaillierte Anleitungen für Python und JavaScript, Informationen zur REST-API sowie die genauen Spezifikationen zu Rate Limits und unterstützten Dateiformaten.
Wie unterscheidet sich die API von strukturierten JSON-Ausgaben?
Bei strukturierten JSON-Ausgaben generiert ein klassisches LLM die Antwort Token für Token, was Zeit und Output-Kosten verursacht. Die gemini decisions api berechnet stattdessen in einem einzigen Durchlauf die Wahrscheinlichkeiten für alle vorgegebenen Optionen, was die Latenz auf 150 bis 250 Millisekunden senkt und Output-Kosten eliminiert.
Florian Schröder ist Gründer von AI Rockstars, KI-Stratege und Prompt Engineer. Er berät Unternehmen bei der praktischen Implementierung von generativer KI und Automation.
Wir verwenden Technologien wie Cookies, um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wir tun dies, um das Surferlebnis zu verbessern und um personalisierte Werbung anzuzeigen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Funktionen beeinträchtigt werden.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
